پرش به محتوای اصلی

مدل‌های مرزی می‌توانند تا 65 درصد از حقایقی را که نمی‌توانند مستقیما به خاطر بیاورند، بازیابی کنند - فقط با فکر کردن طولانی‌تر

ونچربیت۱۴۰۵ شهریور ۱۰, سه‌شنبه، ساعت ۲۲:۵۰حدود 1 دقیقه مطالعه

وقتی مدل‌های زبان بزرگ (LLM) دچار توهم می‌شوند، توسعه‌دهندگان معمولا فرض می‌کنند که مدل فاقد حقایق لازم است. تیم های مهندسی خطا را به عنوان دانش گمشده تشخیص می دهند. پاسخ استاندارد افزایش اندازه مدل، گسترش داده های آموزشی یا ساخت معماری های پیچیده بازیابی است. یک مطالعه جدید توسط محققان در Google Research and Technion نشان می دهد که دانش اغلب از دست نمی رود. مدل دارای …

خواندن متن کامل در ونچربیتبه زبان اصلی، در سایت ناشر باز می‌شود
متن اصلی (انگلیسی)

Frontier models can recover up to 65% of facts they can't directly recall — just by thinking longer

When large language models (LLMs) hallucinate, developers typically assume the model lacks the required facts. Engineering teams diagnose the error as missing knowledge. The standard response is to increase model size, expand training data, or build complex retrieval architectures. A new study by researchers at Google Research and Technion demonstrates that the knowledge is often not missing. The model has the…

همه‌ی اخبار فناوری